Distribución de los pesos según variables

grafo_box_var('muestra')

grafo_box_var('m0_sexo')

grafo_box_var('estrato_disenno')

grafo_box_var('tramo_etario')

grafo_box_var('educ')

Descriptivos pesos

resumen_pesos('ponderador01')%>%DT::datatable() 

resumen_pesos('ponderador02')%>%DT::datatable() 

resumen_pesos('ponderadorlong_total')%>%DT::datatable() 

Porcentaje síntomas depresivos según variables y pesos

grafo_pesos('muestra','phq_s10')

grafo_pesos('m0_sexo','phq_s10')

grafo_pesos('estrato_disenno','phq_s10')

grafo_pesos('tramo_etario','phq_s10')

grafo_pesos('educ','phq_s10')

Porcentaje de satisfacción con la democracia según variables y pesos

Se consideran los valor 4 y 5

grafo_pesos('muestra','satis_demo')

grafo_pesos('m0_sexo','satis_demo')

grafo_pesos('estrato_disenno','satis_demo')

grafo_pesos('tramo_etario','satis_demo')

grafo_pesos('educ','satis_demo')

Interés en política según variables y pesos

Se consideran los valor 4 y 5

grafo_pesos('muestra','interes_poli')

grafo_pesos('m0_sexo','interes_poli')

grafo_pesos('estrato_disenno','interes_poli')

grafo_pesos('tramo_etario','interes_poli')

grafo_pesos('educ','interes_poli')

Confianza social generalizada según variables y pesos

Se consideran el valor 2

grafo_pesos('muestra','confianza')

grafo_pesos('m0_sexo','confianza')

grafo_pesos('estrato_disenno','confianza')

grafo_pesos('tramo_etario','confianza')

grafo_pesos('educ','confianza')

Autoritarismo según variables y pesos

Se consideran los valor 4 y 5

grafo_pesos('muestra','autori')

grafo_pesos('m0_sexo','autori')

grafo_pesos('estrato_disenno','autori')

grafo_pesos('tramo_etario','autori')

grafo_pesos('educ','autori')

Estatus social subjetivo según variables y pesos

Se consideran los valores entre 4 y 6

grafo_pesos('muestra','estatus_sub')

grafo_pesos('m0_sexo','estatus_sub')

grafo_pesos('estrato_disenno','estatus_sub')

grafo_pesos('tramo_etario','estatus_sub')

grafo_pesos('educ','estatus_sub')

Satisfacción con la vida según variables y pesos

Se consideran los valor 4 y 5

grafo_pesos('muestra','satis_vida')

grafo_pesos('m0_sexo','satis_vida')

grafo_pesos('estrato_disenno','satis_vida')

grafo_pesos('tramo_etario','satis_vida')

grafo_pesos('educ','satis_vida')

Percepción seguridad del barrio según variables y pesos

Se consideran los valor 4 y 5

grafo_pesos('muestra','seguridad')

grafo_pesos('m0_sexo','seguridad')

grafo_pesos('estrato_disenno','seguridad')

grafo_pesos('tramo_etario','seguridad')

grafo_pesos('educ','seguridad')

Modelos Estimados

Los modelos estimados son glm estimados vía gee. La forma de estimación mediante gee permiten tomar en cuenta en las estimaciones la correlación entre las observaciones. Como desventaja frente a los modelos jerarquicos, los anteriores no pueden considerar más de un nivel de anidamiento,

Una nota al pie, es que la estimación de los modelos generó objetos de R de alta cantidad (más de 100 mb), esto incluso excedía el limite para subirlos al repositorio de github. Pero con un método de compresión . Sin embargo, el gran tamaño de los modelos podría deberse a una gran cantidad de iteraciones necesarias para garantizar

tabla_m1%>%
  select(-statistic)%>%
  mutate(across(c(estimate,std.error), ~round(.x,4)),
         sig=case_when(p.value <0.01 ~ '***',
                       p.value >0.01 & p.value <0.05 ~'**',
                       p.value >0.05 & p.value <0.1 ~'*',
                       p.value >.1 ~''))%>%
  select(-p.value)%>%
            rename(Variable=term,Coeficiente=estimate,`Err. Estándar`=std.error,Significancia=sig)%>%
DT::datatable()

tabla_m2%>%
  select(-statistic)%>%
  mutate(across(c(estimate,std.error), ~round(.x,4)),
         sig=case_when(p.value <0.01 ~ '***',
                       p.value >0.01 & p.value <0.05 ~'**',
                       p.value >0.05 & p.value <0.1 ~'*',
                       p.value >.1 ~''))%>%
  select(-p.value)%>%
            rename(Variable=term,Coeficiente=estimate,`Err. Estándar`=std.error,Significancia=sig)%>%
DT::datatable()

Predicciones de los modelos según categorias

grafo_preds('muestra')

grafo_preds('m0_sexo')

grafo_preds('estrato_disenno')

grafo_preds('tramo_etario')

grafo_preds('educ')